“学海拾珠”系列之一百四十九：基于强化学习和障碍函数的自适应风险管理在组合优化中的应用-20230712-华安证券-16页.pdfVIP

[Table_StockNameRptType] 金融工程 专题报告 基于强化学习和障碍函数的自适应风险管理在组合优化中的应用 ——“学海拾珠”系列之一百四十九 报告日期：2023-7-12 主要观点： [Table_RptDate] [Table_Summary] [Table_Author] 本篇是“学海拾珠”系列第一百四十九篇，作者提出全新的风险可控 分析师：严佳炜 执业证书号：S0010520070001 的组合优化（RiPO ）框架，集成了强化学习算法（RL ）和障碍函数（BF ）。 邮箱：yanjw@ 因此，该方法不仅保留了RL agent 追求交易策略收益最大化的能力，而 且可以明确管理风险敞口，保证风险投资在可接受的安全范围内。同时， 分析师：吴正宇 引入了两个自适应风险管理机制——自适应风险策略（ARS ）和动态贡献 执业证书号：S0010522090001 机制（DCM ），以适应不同的风险管理要求。在美国市场的实证检验证实 邮箱：wuzy@ 了该框架的有效性。 回到国内市场，有效平衡收益和风险一直是投资人永恒的目标，当前 A 股市场风格切换速度较快，如何适应不同的市场环境，做出有效的组合 管理决策是十分关键的，本文的研究思路值得借鉴。 ⚫ RL 和BF 相结合的RiPO 框架在可接受风险范围内获得高回报 基于RL 的交易agent 往往只强调追求高收益，无法明确管理投资风 险，在市场高度波动时，会造成巨额损失。引入基于BF 的风险控制器可 相关报告 以实时监测市场状态，严格执行风险约束条件，动态调整投资组合，避免 1. 《前景理论能否解释共同基金的业 潜在损失，特别是在下行市场中。 绩—— “学海拾珠”系列之一百四十 一》 ⚫ DCM 和ARS 可以动态调整风险约束强度 2. 《ChatGPT 交易策略15 个月收益 不变且严格的风险管理会导致市场上行时错失很多盈利机会。在基于 500%+—— “学海拾珠”系列之一百 BF 的风险控制器中引入 DCM 和 ARS 两个自适应机制将灵活地调节风 四十二》 险约束强度以满足不同的市场风格和投资者风险偏好，动态平衡了RiPO 3. 《模糊因子与资产配置——“学海拾 的盈利能力和风险管理水平。 珠” 系列之一百四十三》 4. 《动量、反转和基金经理过度自信 ⚫ 实证结果证实了RiPO 在管理下行风险上的优势 —— “学海拾珠”系列之一百四十四》 使用标普500 指数前10 大成分股的数据在两种不同市场风格中进行 5. 《股票因子个性化：基于股票嵌入 回测：与9 种基准方法相比，上行市场中，RiPO 可以在相对较低的风险 的因子优化——“学海拾珠”系列之一 水平下获得最高收益；而在下行市场中，可以显著降低下行风险，避免巨 百四十五》 额损失。特别地，RiPO 在风险和收益方面都优于不包含风险控制器的RL 6. 《盈余公告披露的现象、方法和目 算法。 的—— “学海拾珠”系列之一百四十 六》 ⚫ 风险提示 7. 《基金抛售资